Hasselt inventariseert zijn laanbomen met behulp van artificiële intelligentie

Een bomenplan realiseren om het boombeleid en -beheer concreet, transparant, structureel en duurzaam aan te vatten. Dat is één van de strategische doelstellingen van de stad Hasselt. Zo streven ze naar een kwalitatief beter beheer van de bestaande bomen en de mogelijkheid tot een planmatige realisatie van toekomstige bomen. Bovendien leidt een bomenplan tot een beter inzicht in de benodigde budgetten, werkorganisatie en planning van het boombeheer.

Om een bomenplan te maken, moet je eerst weten wat je in huis hebt. Daarna kan je pas focussen op de vragen “wat wil ik?” en “hoe moet dat?”. Om te antwoorden op de vraag “Wat heb ik?” lanceerden de stad een opdracht om een inventaris op te maken van de laanbomen in eigendom en/of beheer van de stad. 

Alle bomen manueel optekenen zou een gigantisch werk betekenen. De stad vond daarom een oplossing in slimme mobiele camera's en  automatische beeldherkenning (artificiële intelligentie) waardoor dit proces grotendeels automatisch kon verlopen.

Ze gingen op zoek naar een bedrijf die een webviewer kon aanleveren van alle wegen in Hasselt (630 km). De stad ging op zoek naar een toepassing die op basis van beeldmateriaal de volgende zaken moest kunnen:

• Meten van lengtes en hoogtes;
• Meten van oppervlaktes;
• Plaatsen van nieuwe points op ingegeven x/y coördinaten;
• Vrij plaatsen van nieuwe points;
• Raadplegen van de opnamedata;
• Het exporteren van geselecteerde data in een shapefile formaat;
• De gegevens per object (boom) kunnen geëxporteerd worden als csv-bestand.

Van de laanbomen zelf wilden ze graag de volgende eigenschappen weten:

• Identificatienummer: unieke ID;
• Xy-bepaling (Belge Lambert 1972, nauwkeurigheid 30cm);
• Datum opname;
• Stamdiameter op 130 cm hoogte;
• Kroonprojectiediameter (nauwkeurigheid 1m);
• Hoogte (nauwkeurigheid 1m).

Tenslotte gaven ze ook nog volgende specificaties mee:

• Alle data moesten worden gehost in een beveiligde omgeving op Google Cloud Platform op servers binnen de EU (voornamelijk in België)
• Het lokaal bestuur is mede-eigenaar van de beelden. Latere analyses kunnen steeds uitgevoerd worden.
• De technologie wordt future proof gebouwd: dit betekent dat analyses die op vandaag nog niet mogelijk zijn,  retro-actief toegepast moeten kunnen worden op de reeds verzamelde beelden
• De webviewer telt een ongelimiteerd aantal gebruikers: 2 jaar gebruik vanaf opleveringsdatum
• De stamdiameter wordt gemeten met een maximale afwijking van 3 cm op 130 cm hoogte. Bij afwijkende stamvormen (bv meerstammig) wordt geen meting opgegeven. Deze bomen worden gecategoriseerd zodat hierop gefilterd kan worden
   

  Uiteindelijk werden meer dan 17.000 bomen automatisch in kaart gebracht door middel van mobiele camera's op voertuigen.  Het systeem moest op basis van de resultaten worden bijgesteld. Men eindigde uiteindelijk met een foutmarge van ca. 6%. Denk hierbij aan bomen op privé eigendom, dubbele of non-detectie, verkeerde positionering. Door middel van een kwalitatieve controle (Visual Tree Assessment) zijn deze fouten rechtgezet.

  Een tiental straten moeten nog volledig in kaart worden gebracht (wegens werkzaamheden). De finale oplevering plannen ze itegen de zomer van 2021. Momenteel brengt de stad naast de laanbomen ook de grote parken in kaart. In de toekomst willen ze ook nog de bomen op begraafplaatsen, langs fietspaden en enkele kleinere wijkparken inventariseren. Op dezelfde beelden willen ze ook de bermen, slokkers, verkeersborden en belijningen registreren.

Stad Hasselt ging in gesprek met meerdere partijen, maar koos uiteindelijk voor Geckomatics, een start-up. Het bedrijf ging aan de slag met een camera en software gebasserd op machine learning. Het systeem werd getraind om bepaalde objecten (in dit geval de laanbomen en hun criteria) op beeldmateriaal automatisch te herkennen. De camera kon ook geleend worden door de stad, waardoor ze ook zelf konden rondrijden aan een kleine huurprijs.

Voor het bedrijf was de samenwerking met de stad Hasselt een testcase, waardoor de stad voor een lagere prijs kon intekenen op hun aanbod. Het bedrijf kreeg door de test in de praktijk de kans om hun software verder uit te testen en op punt te zetten.

• Probeer zeker eigenaarschap van de beelden te bekomen.
• Kwaliteitscontrole op de oplevering uit automatische detectie is zeker nodig.
• Goede afspraken maken over de fasering van de opdracht.
• Doe een uitgebreid en grondig marktonderzoek naar nieuwe innovaties.
• Als je de beelden raadpleegbaar maakt via de gemeentelijke GIS-toepassing, dan maak je best op voorhand afspraken met de GIS-leverancier.

• gis@hasselt.be – Bavo Dhaene
• groen@hasselt.be – Roel Hendrick